时间戳：2017.9.17
人工智能/机器人这2个方向，能支撑至少未来20年的人类发展，赛道足够长。每个传统行业，加上人工智能，都可能打造出足够成功的公司。这是个大趋势，相信很多人都了解。
人工智能行业人才匮乏的现状：
1）因为行业刚起步，所以人才非常非常少。某个技术领域的全国可选人才（甚至全球），可能不到100人！做这个领域的公司和学校就那么几家。而且，不仅是技术人才，连产品经理、市场宣传等职位的人才都极度匮乏。
2）人才培养周期长。因为需要复合型人才（多个技术领域的技能叠加，甚至还需要深入了解某个垂直行业），至少至少半年的积累，否则都没法跟业内的人开口说话（一说就错，漏洞百出）。
3）转型难度太大。对于转型进入此行业的人才，不仅需要处理的工作内容需要变化，甚至你的思维方式、你整个人，都需要变化！难度大到，就像“传统行业的人学互联网思维”一样，甚至于，可能很多做人工智能/机器人的人，还没意识到这个问题的严重程度，因为我们也是最近才意识到的。
一 在人工智能和机器学习领域，作为一个产品经理可以做什么？
- 1）收集行业信息，挖掘出你自己觉得不错的备选公司；
- 2）主动去近距离的接触，选择团队气质、做事方式和你符合的一家，特别是创始人CEO你很认可；
- 3）马上加入，不论目前对方能给的待遇多少。就像曾经看过的一个说法，看到即将起飞的宇宙飞船，赶快上去，别挑什么座位了。退一万步说，即使这家公司产品失败了，你自己积累的经验教训还在。
- 4）入职之后，你一定会遇到各种困难甚至挫折，坚持前进。
二 人工智能机器人方向的To C产品化，怎么找到突破点？
第一点是street smart，第二点是跨界，第三点是预期。
- 1）street smart。“找到突破点”的关键在哪里？是算法吗？有一些是在试验室里跑数据很漂亮，但是拿到现实之后就会差很多。所以算法模型跟实际可用之间其实是有一些鸿沟没有迈过的。那是大数据吗？假设有算法模型，有大数据，是不是只要有钱有人有资源的BAT大公司就可以把这个事情做成？不是的，因为人工智能机器人这种巨大的变革，在人类科技发展历史上每次出现，都是从一个很小的点突破的。所以我想提的是“street smart”，是直接解决问题的思路，不求第一个版本的模型算法多么高效，甚至数据不是那么多，但是要能解决用户的问题，解决问题之后可以再回来用更好的方式做这个事情。
- 2）跨界。人工智能机器人这个技术本身是偏横向支撑的技术，落脚到C端用户一定是具体的产品跟场景，而我们的工程师是缺乏垂直行业的认知。所以要把这个事情做成的话，一定有两个不同背景的团队去协作，就好像这个手指是技术人才，这个手指是垂直行业人才，当这两个人合在一起看的时候，就能够看到这个事情的主线，知道能做什么；当他们分开看的时候，就能知道边界——边界很重要，不光要知道能做什么，更要知道不能做什么。很多时候创业公司死掉，不是不知道做什么，反而是可以做的太多，但其实80%都是坑。总的来说，这个事情不仅是说会节省时间，也会直接影响事情的成功率。
- 3）预期。很多机器人产品刚一出来时会说不清楚自己的用户是谁，这个其实是有问题的。大家知道，人工智能相关技术现在准确度，再提高1%都非常难。怎么办？所以要选择用户预期相对较低的场景去切入，分得足够细，才能够知道选择哪个用户群体，并且以他们的意见反过来驱动产品开发的推进。
总的来说，我们判断人工智能机器人与30年前PC产业的发展阶段类似，未来每个人都会有自己智能化、个性化的机器人。中短期我们判断家用服务机器人是比较好的方向，可能会成为智能家庭服务的入口。之前很多智能家居行业的产品希望自己成为一个入口，这个事情有可能是由机器人来实现。
三 AI/机器人PM在做的事情，和常规互联网PM有何不同？面临的问题和困难，有哪些不同？
做事流程，基本上是一致的，但不同之处在于——
1）需求把握。AI/机器人领域还处于探索期（找刚需），产品形态甚至典型用户群体（画像）都还不明确，所以信息收集（行业/竞品/用户等）、创意思考、产品验证的工作会更被突出。
2）闭环验证。产品核心价值的设计和验证工作，很难以数据分析为主驱动，而需要PM有大胆的思路和敏锐的洞见。因为
- A 从手机场景，升级到机器人场景，天翻地覆的变化。
- B 用户门槛远高于互联网，用户量和用户数据远比不上移动互联网产品的量级；
- C 产品很可能和硬件相关，导致迭代周期更长，收集有效数据更难。
3）交互设计。场景巨变，使得交互方式从纯软件（界面、触屏）/纯硬件，升级到多模态交互等更复杂的人机交互形式，还没有形成清晰的交互体系标准。很多人没意识到的是，新时代，不仅是新技术驱动，更关键的标志是新交互（还可能有新硬件）。
4）功能设计。比如做搜索，和做AI问答或对话，还是很不同的东西。并且，一旦和硬件相关，难度就会陡增。
5）数据分析。语音交互产生的数据分析难度远高于触屏交互。因为触屏交互有效表达用户意图的概率非常高，而语音交互识别出的数据往往和用户意图有很大偏差。
四 AI/机器人PM需要具备的能力和素质，和常规互联网PM有何不同？
各方面的能力和素质都需要跨越式升级。由浅入深的说——
1）更广更深的知识（经验）积累：不仅是常规的app、网站等，还可能包括硬件、OS、量产、甚至新的用户群体认知（小孩、老人、外国人……）
2）更强的技术理解能力。对这点，见仁见智，有2种观点：
- A，必须有技术背景，真的懂软硬件开发到底是怎么回事；
- B，本质上需要能清楚“什么能做什么不能做”，所以有相关经验也行。或者，如果整个产品团队有其他人能做到这点也行，互补配合。不论如何，至少是比常规PM的要求要高的。如果本硕博就在接触神经网络、深度学习、自动化等方面，会有点优势。
3）更高效的学习能力/悟性。不仅需要学习以上内容，更可能随时需要去学习新的领域（甚至是技术领域）。
4）重新认识人的感知和交互方式。
5）更强的洞察力和创造力。包括产品设计时的想象力——大脑模拟体验过程（手机app可以弄原型，但机器人体验怎么办）
6）行业认知/趋势判断。行业周期性如何？AI/机器人领域的发展方向如何？前沿的这些新技术/新产品形态，哪个能最终胜出？如何组织这些新技术/新产品形态？时间窗（时机）如何？政府/大学对行业的影响，如何理解、应对和借势？还有国际化思考……
7）更深入的人文素养和灵魂境界。个人理解，真正的AI/机器人产品，需要超越纯逻辑性的思维和内涵。比如，有人认为，对于机器人产品，把功能价值做好（有用）就可以了，但我个人认为，机器人和人交互时，一定会伴随着情感等非理性影响，这不是设计者想规避就能去除的。当我第一次近距离看到超大的工业机器人时，被震惊了，因为那种协调的动作和节奏，本能的会让观察者觉得“像人一样”；另外一个例子，在表演/戏剧领域，表演者是可以完全通过动作的方向、幅度、节奏等来表达情感的！可参看Pixar 1986年的动画短片《小台灯》（Luxo Jr），视频在：https://v.qq.com/x/page/x0155q5yg9k.html 更深入的说，一个产品，本质是其公司、设计者灵魂能量层次的外化，一个精神层次不高的团队，不可能做出一个跨时代的AI/机器人产品。
8）专才+创造力：无论是上述三类需求来源的哪一种，浮于行业表面的人，都会被AI替代。只有具备深度的专业能力和创造力，才能有立足之地。
9）多领域理解力+沟通合作能力：比如服务机器人行业，会是人工智能+互联网+机器人硬件等多领域的交集。同时能懂这三方面的人是可遇不可求的。所以实际工作中，一定会需要和其他背景的牛人共同协作，这时，一方面，需要多领域的知识储备（这背后需要的是快速学习能力），另一方面，沟通合作能力尤其重要。特别的，对于垂直场景或用户的AI产品，比如儿童机器人，要把这个事情做好，一定需要有两个不同背景的人或者团队去协作，比如A是技术人才，B是垂直行业人才，当他们合在一起看（思考）的时候，能够看到这个事情的主线，知道能做什么；当他们分开看的时候，能知道边界——边界很重要，不光要知道能做什么，更要知道不能做什么。很多时候产品死掉，不是不知道做什么，而是可以做的太多，但其实80%都是坑。只有真正懂行的老司机，才能避开那些坑。更关键的是，做人工智能领域的产品（特别是2C产品），需要“技术产品双驱动”。行业内很多声音在强调算法、数据、计算能力等，这没有错，但对于2C产品的突破点（爆款）而言，只能算是必要条件，不能说是充分条件。如果不足够重视产品体验，甚至连“人工智能产品经理”这个概念都没有，并以此来驱动一些做事的方式，是很难做好的。
五 如何判断我是否真的对AI/机器人领域感兴趣？如何判断我是否适合AI/机器人领域？
“感兴趣”不是一个形容词，而是一个动词——关键不是你多么兴奋，而是兴奋过后，你具体做了什么。
如果做到了后面第六点的过程（至少一部分），才是真正的证明了“感兴趣”。也只有基于此，并且真的去做了1、2个产品feature设计（可以给自己出需求或研究课题），才可以判断你是否合适。
另外，如果理解/讨论停留在下列问题层面（无营养、无逻辑、无边界、无方案），就还不适合：
- 对于“强人工智能”的好奇心与普通群众或科幻小说家别无二致。
- 人工智能再牛逼也摆脱不了“吹灯拔蜡（断电）”的尴尬，根本不智能。
- 我想和人工智能谈恋爱。
- 大自然到处存在着人类无法理解的算法， 人工智能再牛，也是大自然的一部分。
- 智能家居随时监控你的生活状态，这种可能产生危险的东西，除非能够证明可靠性，否则不会使用。
六 如何（转行）成为一个合格的AI/机器人PM，需要做什么准备？
1）看知乎上“所有”和人工智能/机器人相关的问题、看相关书籍或课程（后面有附录详细列出）。
2）体验各种AI/机器人产品、了解必要的产品/技术现状（比如语音交互相关、各种传感器及其作用），收集行业公司/团队/机构信息。
3）整理出自己的独到见解。认真思考人类行为、研究自我。
4）筛选几个你真正认可的创业团队，想尽办法结识其中的牛人（带上你的独到见解），去交流（先想想，为什么你值得ta花时间），甚至申请一份实习或兼职工作。
七 在未来的人工智能时代人才需求在哪里？
整体的说，虽然机械性的、可重复的脑力/体力劳动，将被人工智能/机器人取代。但是，会有更多新的、深度的、创意性的人才需求出现。哪些工作将被取代呢？比如保安，被安防机器人取代；司机，被无人驾驶汽车取代；翻译，被翻译AI软件取代等等。《与机器人共舞》一书中，有两个数据很令人震惊：互联网行业，每使一个岗位消失，会新创造出2.6个岗位……而未来每部署一个机器人，会创造出3.6个岗位。这3.6个岗位，可能在哪里出现呢？个人观点是——
- 1）人工智能相关“新行业”带来的“新职位”：互联网爆发之前，传统行业也有平面设计师、IT人员、XX经理等职位，但互联网的发展，导致了UI设计师、Android/iOS程序员、互联网产品经理等等新兴职位的出现和热炒。同样的，人工智能时代的到来，必定会产生一些“没听说过”的新职位，比如已经被行业认可的“自然语言处理”、“语音识别工程师”等等，还有业内人都没意识到的职位，比如人工智能/机器人产品经理；脑洞再大一点，未来可能会有“机器人道德/暴力评估师”等职位吧。
- 2）其他行业“旧职位”的“人工智能化”（升级/细分版）：就像“新媒体”火了后，很多传统媒体或公司都要设立“新媒体”部门，一些原来做互联网报道的媒体人，现在转型专门做人工智能领域的垂直媒体；原来做TMT投资的，也细分成为“专注于人工智能领域”的投资人或机构。虽然大多数保安、翻译会被人工智能取代，但剩下的少数人，可能收入会更高，比如能操控安保机器人又有丰富安保经验的安保负责人，比如垂直于某个细分领域的翻译人才。
- 3）人工智能激发出人性角度的更多需求，导致某些“旧职位”的需求量变大：更多的闲暇时间，一方面，会导致娱乐、游戏、内容方面的需求变大；另一方面，也很可能导致更多的身体或心灵方面的问题，使得健康或自我精神提升方面的需求被放大。
八、语音交互会不会成为下一代的交互标准
语音交互解放双手，不受限制设备，可以在可穿戴设备，居家设备，音箱等上实现。音箱是一个非常好的设备选择，因为人不会和音箱聊天，但人会发号施令，语言很具体，使机器可以准确地接收到很多指令。
下一代交互标准可能是“多模态交互”，不仅是语音，还会延续文字，加上肢体，图像，表情传递等。这背后的原因在于：
1、AI的核心差异化方向，不是效率最优，而是情感最优。并且，人的决策，更容易受到感性影响，而非理性。（注：人类不寻求实现决策的最优化，而是采取令人满意的结果就够了。 ——诺贝尔奖获得者Herb Simon）
2、而情感表达，仅靠语言文字远远不够，长期来说，更重要的会是“多模态交互”。（注：梅拉比安模型，感情表达＝内容7%+语调语气38%+表情肢体语言55%）
3、好比飞机拥有多个引擎，其中一个引擎出了故障，飞机仍然可以飞行。比如，运用多模态交互的话，在极端情况下，比如语言功能disable了，仍然可以通过眼神、肢体、表情等表达。
九、聊天机器人
A：小冰在早期设计时，PM们先对地址栏，聊天对话框等带有输入框的产品进行体验，看哪个框的输入最不疲劳。得出的答案是聊天对话框。因为搜索带有目的性，而面对聊天对话框是无目的，无压力感的。所以确定了聊天对话是最佳人机交互方式。制定了小冰的产品方向是用聊天的方式做搜索。但如何能不能让用户聊的话题跑出控制，如何在聊天中控制用户的话题方向成了重点。所以小冰这方面的设计是使用自由聊天加兜底聊天的方式。
多轮，开放域聊天，容易聊断。起初可能是因为语气词（哦、好吧、啊等），在改善后发现聊天的实质是用户与机器人在聊一个主题故事，当一轮话题结束，设计小冰回溯前5~8句对话，提取一个小冰擅长的话题对用户进行发问，使话题重新展开,CPS增加效果显著。
聊天产品中CPS是唯一参考，但还可以参考的指标有：哪些用户群体在聊，性别分布，时间分布，活跃态度，所在环境等。了解用户是在什么场景下与机器人聊天最多有很大的影响。
聊天产品的挑战是：
- 技术 - 两端看产品，回答准不准，回答傻不傻（太傻不像人）。
- 产品化 - 能不能找到更贴近场景的机器人。
- 商业化 - 如何使B端C端的用户买单。
B：可否通过指令形式，让用户思维发生转化使聊天更可控。
C：目前技术受限，产品需要用产品设计来规避技术上实现不了的效果。
D：CPS是不是最终的唯一评判标准？不一定。未来，更应该从“效果”角度出发，比如小孩半夜哭了，那陪伴儿童机器人能否通过几轮交互让小孩不哭？如果能达到效果，其实交互轮次越少越好，不应该为了交互轮次而提高交互轮次。
十、AI与医疗结合的可能落地点
1、文本识别。仅满足了提升效率，仍不能从本质上提升诊断正确率。
2、影像识别。眼底判断糖尿病（准确率能达到90%以上，但其实人也能做到） 、皮肤癌。目前对内部器官的疾病诊断尚难实现。
3、辅助诊断。
A：AI在医疗上有两部分比较成熟的应用，一个是纯工具性质，以辅助识别为主，比如文本识别，影像识别。另一个是知识图谱性质，以辅助决策为主，比如梅奥诊所在做的辅助决策系统。
目前医疗监管太深，并没有很多可以在公众分享的大数据。个人身上的生命指标数据多，但到医疗范围，仅能通过数据的趋同性去进行判断。
至于优护家，是做基层医疗数据平台的公司，主要的产品是居民智能评估引擎。
F：健康APP希望能提供运动处方，但目前数据来源比较单一，仅能通过体感设备进行睡眠数据、运动数据、器械数据的采集，指标单一；缺乏日常数据，需要结合心跳仪、血糖仪等医疗仪器才能获得更贴切用户的健康数据，才能更有针对性地提出处方建议。
D：有家“AI+医疗”公司，想用机器学习做医疗影像识别，提高医生的看片效率、降低误诊率。但在走了弯路后，他们第一步真正产生价值的是，做专门给医院提供影像图片的云存储服务（因为这个领域的图片太大，但每年只看1、2次，存在阿里云上非常贵、不划算）；有了这个基础，第二步，他们给一线城市主任医师提供指导二三线曾是医院医生的机会，增加其业务数据和收入；有了前两步，积累了信任（还有数据），各家医院才慢慢愿意接受其真正想做的医疗影像识别AI服务。
十一、 AI或大数据与人事档案／资源信息管理的结合点
档案不能对外公布，需要去挖掘对系统的帮助，找不到良好的入口点。方向：
1）一个岗位，需要什么人来匹配，任职经历。
2）考评时，通过评级打分；
3）记录操作日志信息，再分析哪些系统可以优化，简化流程，通过流程组合减少漏洞，提高效率。
A：To B 的BI，解决内部的决策问题+运营问题
B端客户，其实是to Business Person，买单决策人＋使用角色人
行业定了，行业功能就定了，不容易增减，解决大运营效率＋小运营效率